“Agent的最后一场考试”来了:最强模型得分率仅8.6%,Claude Code直接挂零

“Agent的最后一场考试”来了:最强模型得分率仅8.6%,Claude Code直接挂零
如今,AI 模型看上去越来越强了:棋类游戏能赢顶尖选手,在主流 benchmark 上不断刷新 SOTA。但为什么无法真正帮人类干活? 由加州大学伯克利分校牵头、联合 250 余位行业专家组成的研究团队,给出了这个问题的答案:“ 问题不在 AI 本身,而在评估体系 。”现有常用基...
Anthropic 在 AI 方向最近有哪些新动作
Anthropic 的产品动作、模型进展、组织变化和业务信号,会优先收拢在这里。
“Agent的最后一场考试”来了:最强模型得分率仅8.6%,Claude Code直接挂零

如今,AI 模型看上去越来越强了:棋类游戏能赢顶尖选手,在主流 benchmark 上不断刷新 SOTA。但为什么无法真正帮人类干活? 由加州大学伯克利分校牵头、联合 250 余位行业专家组成的研究团队,给出了这个问题的答案:“ 问题不在 AI 本身,而在评估体系 。”现有常用基...
Claude Fable 5首日实测,杀疯了…

Anthropic深夜突袭放出 Claude Fable 5 ,直接迈入Mythos神话级新段位。 那……到底有多强悍呢?还得实测来看。 这不,Fable 5开放首日,全网已经开始疯狂测测测了!! 硅谷顶级风投a16z合伙人Justine Moore拿“洗车灵魂问题”先来拷问了一...
“鹅腿阿姨”翻车;阿里回应《置身钉内》;Anthropic 发布 Claude Fable 5

今天是6月10日星期三,高考终于在今天下午全部结束。欢迎考生们一起来看果壳今天总结的科技、科学新闻。 要闻速览 钉钉《置身钉内》7.5 万字引热议,阿里合伙人委员会今日回应:这不是阿里文化应有的样子。 “鹅腿阿姨”被举报卖鸭腿,市监部门介入调查。 Anthropic 发布 Cla...
Anthropic“光与影”双重奏:高喊AI风险的同时推顶尖模型

持续“被神话”的Anthropic最新模型终于掀开面纱。 北京时间6月10日,Anthropic推出Claude Fable 5与仅限特定机构使用的Claude Mythos 5,这对“神话”级孪生模型共享同一底层架构(内部代号Capybara,水豚),标志着Anthropic正...
号称“最强模型”的Mythos正式发布 但Anthropic会让它自动熄火

望眼欲穿近两个月、在社交媒体上占尽风头的 Anthropic Mythos 模型,今天终于正式发布了。 两个月前,Anthropic 说自己最强的那一类模型太危险、不能公开,只把它发给了一百多家机构。 今天,这类能力对所有人开放了: 公开发布的版本叫 Claude Fable 5...
“神话级”Claude 5深夜炸场!从一日5千万行代码到反超科学论文

分析师/竹心 校对/Tina 策划/Eason 一天搞定5000万行代码。什么概念?相当于把一个千亿市值的软件公司,从零到一重写一遍——而且只用了24小时。 就在今天,Anthropic藏了两个月的“神话”级模型终于解封。不是一款,是两款:Claude Fable 5面向所有用户...
一手实测 Claude Fable 5,手搓了个 Obsidian 的 Codex 插件
这是苍何的第 545 篇原创! 大家好,我是人在广州的苍何。 就在昨晚 Anthropic 发布了他们迄今为止最强大的模型 Claude Fable 5。 说实话,每次出差都会赶上新模型发布,我其实一点儿也不想熬夜测模型。 今天一早,我就起来了,我把 WeSight 接入了 Cl...
Anthropic发布王炸模型后,一个新赛道正在被重估
6月9日,Anthropic 发布了新模型 Claude Fable 5 和 Mythos 5。在这场没有铺垫的发布中,最让行业震惊的是一个数字:在一个包含5000万行 Ruby 代码的庞大老旧代码库上,Fable 5 仅用一天时间就完成了全量迁移——而同样的任务,如果交给一个成...
Anthropic正式发布两款Mythos级旗舰模型:可将药物研发效率提升十倍

快科技6月10日消息,日前, Anthropic正式发布了两款旗舰级大模型——Claude Fable 5与Claude Mythos 5。二者定位分野明确:前者面向公众开放,后者定向服务于网络安全、生物科研等专业领域。 其中,Mythos 5聚焦生命科学突破。该模型可将药物研发...
Anthropic 示警:AI 执行力逼近甚至超过人类,方向把控等方面人类仍具优势
IT之家 6 月 10 日消息,Anthropic 于 6 月 5 日发布博文, 指出人工智能(AI)已开始加速 AI 本身研发,正迈步走向递归自我改进。 IT之家注:递归自我改进(recursive self-improvement)是指 AI 系统能够自主设计、训练、评估并迭...
UIUC、Meta、斯坦福解读Claude Code爆火后Agent Harness底层逻辑

过去两年,大模型写代码已经不再新鲜。从代码补全到 GitHub issue 修复,从竞赛编程到仓库级软件工程,人们习惯用一个简单标准评估 coding agent:代码能不能写对?测试能不能通过? 但 Claude Code、Codex 这类系统的出现,正在把问题推向更底层的一层...
AI 技术猛发展,Anthropic 警示人类仍需把控方向
近日,Anthropic 在其博客中发布了一篇重要文章,指出人工智能(AI)的发展速度正逐渐加快,甚至开始自推动其,向着归自我进的迈进。归自我进是指 AI 系统能够自主设计、训练评估不断改进自己的下一代版本,这一发展一成型,会彻底改变 AI 的进步速度。 文章提到,目前在执行的能...
Fable5评测:强,贵,甚至能发现自己正在被检测

本文来自微信公众号: 硅星GenAI ,作者:硅星人AI前沿团队,原文标题:《硅星人 Eval Eps.2|Fable 5评测:强,贵,甚至能发现自己正在被检测》 藏了2个月的“神话模型”Claude Mythos终于被Anthropic放出来了。 今天凌晨,Anthropic上...
Anthropic发布“公开版”Mythos,称任务越长越复杂就越强

AI(人工智能)独角兽Anthropic正式推出其迄今为止最强大的公开模型。 当地时间6月9日,Anthropic宣布推出首款向公众开放的“Mythos级别”(Mythos-class)系列模型Claude Fable 5。目前,付费用户已可以使用该模型。同时,公司旗下前沿模型的...
Claude深夜炸场,放出史上最强“危险级”模型Fable 5,价格逆天

编者按:本文来自微信公众号 “雷科技”,创业邦经授权转载。 北京时间 6 月 10 日凌晨,Anthropic 在没有任何预热的情况下,放出了旗下最强大模型 Claude Fable 5/Mythos 5,前者面向公众开放,后者继续留在 Project Glasswing 这样的...
Claude Fable 5首日实测,杀疯了…

闻乐 发自 凹非寺 量子位 | 公众号 QbitAI Anthropic深夜突袭放出 Claude Fable 5 ,直接迈入Mythos神话级新段位。 那……到底有多强悍呢?还得实测来看。 这不,Fable 5开放首日,全网已经开始疯狂测测测了!! 硅谷顶级风投a16z合伙人J...
350亿美元押注AI基建:阿波罗和黑石为Anthropic定制芯片融资方案
财联社6月9日讯(编辑 周子意) 阿波罗全球管理公司与黑石集团已为人工智能公司Anthropic敲定了一项350亿美元的融资方案,用于扩展其人工智能(AI)基础设施,这标志着AI领域最新的一笔巨额交易。 据知情人士对媒体透露,这笔债务协议分为三个阶段定价,约一半债务已向其他机构投...
拆解 Anthropic:最好的 AI 公司,可能也是一种组织发明 |【经纬低调分享】

今天,Anthropic发布了新一代旗舰模型Claude Fable 5,以及面向特定机构开放的Claude Mythos 5。 从官方披露的数据来看,这是Anthropic目前能力最强的一代模型。尤其是在软件开发、复杂知识工作和长任务处理上,进一步拉开了与上一代产品的差距。 不...
硅谷新王Anthropic,为何呼吁放缓AI研发

深水研究 DeepWater Research 深度影响决策 文丨陈白 昨天在卫报看到这样一篇文章《政治暴力的催化剂:飞速发展的AI繁荣是如何煽动反科技极端主义的》(A driver of political violence: how the breakneck AI boom...
Anthropic推出限制网络安全能力的“解耦版”新模型Fable 5
【Anthropic推出限制网络安全能力的“解耦版”新模型Fable 5】财联社6月10日电,Anthropic公司发强力大模型Mythos的特殊衍生版本,命名为Fable 5。该模型内置了极其严格的安全护栏,将无法响应涉及网络安全和生物风险等特定领域的敏感查询。Fable 5在...